机器学习方法论软件工具的需求分析与探讨

### 机器学习方法论软件工具的需求分析与探讨 #### 1. 从需求到面向对象类/实体关系实体 基于相关需求，可识别出以下一组类（或关系实体）： - **项目（Projects）**：系统需维护一个持久的项目列表，其中部分项目正在进行，部分已完成，部分处于搁置状态。 - **团队成员（Team Members）**：团队成员有直属经理、一系列技能及相关可用性信息，以及在项目中的一组角色。 - **任务（Tasks）**：任务是项目计划中工作包的最终组成元素。 - **角色（Roles）**：角色是团队成员在特定项目中扮演的职能（或一组职能），例如“技术主管”“项目经理”“数据科学家”“软件工程师”或“数据质量专家”。 - **技能和技能水平（Skills and Skill Levels）**：团队成员可拥有特定的技能组合（每个技能处于特定水平），项目也可关联一组所需的技能和水平。 - **利益相关者（Stakeholders）**：项目经理可创建和维护利益相关者列表（通常是项目团队外部人员），他们可能是外部或内部人员，对项目感兴趣。项目的执行赞助商（支付项目费用的人）就是一个典型例子。系统应维护RACI信息（一种与利益相关者沟通的分类方式）。利益相关者可向项目经理提问，也可查看多个进度仪表盘之一。 - **模型（Models）**：项目依赖一个或多个机器学习组件或模型，每个模型有不同的迭代版本。模型有技术简称和描述，以及指向代码和用于推导它的训练数据的链接。模型可在数据集上运行（实验），产生实验结果。模型性能可在时间轴上绘制，记录质量方面的进展（时间 𝑡 显示当时可用的所有模型，并挑出最佳模型）。 - **实验（Experiments）**：一个项目通常每个机器学习组件包含多个实验。一旦针对一个或多个数据集的一个或多个折叠运行模型类型的代码，实验就开始了。当分配的实验时间用完、达到足够的质量，或者（最常见的）投入的努力回报递减时，实验可以结束。 - **数据集（Datasets）**：项目使用一个或多个数据集。数据集可以是人工标注的，也可以是“原始”的。数据集可以作为输入或黄金数据的来源，用于训练或评估。 - **方法论（Methodologies）**：方法论以有向图的形式定义一组阶段以及它们之间可能的转换。每个阶段可能包含活动信息和其他元素，如问卷。 - **文本工件（Textual Artifacts）**：文本工件是一个文本文档（无论文件格式如何），主要自动上传，用作整个项目的文档，或作为方法论某个阶段的结果（可交付成果）。可以将其视为文件附件。 - **阶段（Phases）**：阶段是方法论中的一个状态（与一组活动和项目子目标相关的时间点），它可以递归地包含其他阶段。 - **活动（Activities）**：活动是在项目处于方法论的某个特定阶段时，团队成员预期要执行的操作。 - **问卷（Questionnaires）**：问卷是与某些方法论相关的一组预定义问题，以及与项目相关的特定答案。它们有助于使项目中的假设和决策明确、透明且可共享。 - **代码（Code）**：模型实现的程序代码不包含在系统中，而是作为指向源代码变更集的链接（例如，在Git或类似的版本控制系统中）被引用。 以下是这些类的简单关系表格： | 类 | 相关描述 | 关联对象 | | --- | --- | --- | | 项目 | 有不同状态的项目列表 | 团队成员、任务、模型等 | | 团队成员 | 有经理、技能、角色 | 项目、任务、角色 | | 任务 | 项目计划的组成元素 | 项目、团队成员 | | 角色 | 团队成员在项目中的职能 | 团队成员、项目 | | 技能和技能水平 | 团队成员和项目的技能相关 | 团队成员、项目 | | 利益相关者 | 对项目感兴趣的人员 | 项目、项目经理 | | 模型 | 项目依赖的机器学习组件 | 项目、数据集、实验 | | 实验 | 基于模型和数据集的操作 | 模型、数据集、项目 | | 数据集 | 项目使用的数据集合 | 项目、模型、实验 | | 方法论 | 定义项目阶段和转换 | 项目、阶段、活动 | | 文本工件 | 项目文档或阶段成果 | 项目、阶段 | | 阶段 | 方法论中的状态 | 项目、方法论、活动 | | 活动 | 团队成员执行的操作 | 团队成员、阶段、项目 | | 问卷 | 辅助项目决策的问题集 | 项目、方法论 | | 代码 | 模型实现代码的链接 | 模型 | #### 2.